Um catálogo de alta precisão de deslizamentos na China baseado em mineração de texto de notícias com modelo de linguagem grande

Por que este mapa de deslizamentos importa

Deslizamentos matam milhares de pessoas e destroem moradias, estradas e terras agrícolas todos os anos, mas fatos básicos sobre quando e onde eles ocorrem podem ser surpreendentemente difíceis de encontrar. Este estudo constrói um catálogo detalhado com mais de mil deslizamentos na China continental ensinando um sistema computacional a ler anos de reportagens. O resultado é um conjunto de dados público que pode ajudar a aprimorar sistemas de alerta, orientar construções mais seguras e apoiar um planejamento de desastres mais inteligente.

De histórias dispersas a uma imagem nacional

Até agora, a China dispunha apenas de registros parciais sobre deslizamentos. Boletins oficiais contavam quantos eventos ocorreram por ano ou por província, mas raramente incluíam localizações ou horários exatos. Catálogos internacionais concentravam-se principalmente nos eventos maiores ou mais letais no mundo e frequentemente deixavam de lado relatos locais em chinês. Isso deixava os pesquisadores sem uma imagem clara e detalhada dos deslizamentos em todo o país, dificultando avaliar onde as encostas são mais perigosas ou como o risco está mudando ao longo do tempo.

Deixar os computadores lerem as notícias

Os autores recorreram à China News Network, um grande site de notícias nacional que publica matérias 24 horas por dia em todo o país. Eles raspagem mais de 33.000 artigos que mencionavam a palavra “deslizamento” entre 2008 e 2024, depois filtraram peças que usavam o termo como metáfora, por exemplo para uma eleição ou uma queda de mercado. Em seguida, utilizaram um modelo de linguagem grande, um tipo de inteligência artificial avançada treinada com enormes volumes de texto, para extrair fatos-chave de cada reportagem de desastre genuína. Para cada evento, o sistema tentou identificar o horário em que ocorreu, o local, o que o desencadeou e quantas pessoas foram mortas, feridas ou estão desaparecidas.

Limpar, verificar e posicionar eventos no mapa

O resultado bruto da IA não é perfeito, então a equipe adicionou várias camadas de verificação. Removeram registros sem informações claras de tempo ou local e descartaram relatos que apenas nomeavam uma região ampla, como uma província, sem detalhes úteis. Também trataram o problema comum de múltiplas matérias cobrindo o mesmo desastre comparando a proximidade temporal dos eventos e a semelhança nas descrições de localização, fundindo então duplicatas prováveis. Especialistas humanos revisaram todos os registros restantes e corrigiram erros. Para transformar nomes de lugares escritos em coordenadas de mapa, os autores usaram um serviço de mapeamento online e regras personalizadas para escolher a melhor correspondência, seguidos novamente por verificações manuais em casos duvidosos.

O que o novo catálogo revela

O conjunto de dados final inclui 1.582 deslizamentos com informações incomumente precisas. Cerca de metade dos eventos tem data registrada até a hora exata ou até o minuto, e mais de 80% estão localizados em escala de aldeia ou em um local específico, como um corte de estrada ou encosta. A maioria dos deslizamentos registrados foi desencadeada por chuvas fortes, especialmente no sul da China, enquanto eventos relacionados a tremores se concentram perto da borda oriental do Planalto Tibetano. Em comparação com dois bancos de dados globais de deslizamentos amplamente usados, este novo catálogo contém cerca de duas vezes e meia mais eventos na China durante os mesmos anos e os localiza com mais precisão no tempo e no espaço.

Quão confiável é a IA lendo as notícias

Para testar a precisão, a equipe comparou seus registros extraídos por IA com relatórios oficiais sobre desastres bem conhecidos e com levantamentos geológicos locais detalhados. Concluíram que o sistema era muito bom em extrair detalhes básicos, como quando e onde um deslizamento ocorreu e o que o desencadeou, mas menos confiável na contagem de mortos, feridos e desaparecidos, que muitas vezes mudam conforme a emergência se desenrola. De modo geral, as próprias reportagens jornalísticas corresponderam de perto às fontes governamentais em termos de horário e localização, confirmando que são uma base confiável para construir esse tipo de catálogo.

O que isso significa para a segurança futura

Para não especialistas, a mensagem-chave é que computadores agora podem vasculhar anos de cobertura jornalística para criar mapas claros e detalhados de onde encostas perigosas falharam. Este catálogo chinês de deslizamentos não é um registro completo de todos os eventos, especialmente os pequenos que deixaram pouca ou nenhuma marca na mídia, e números de vítimas devem ser tratados com cuidado. Ainda assim, sua precisão temporal e espacial faz dele uma ferramenta poderosa para cientistas testarem modelos de alerta, para planejadores decidirem onde construir estradas e cidades e para autoridades se prepararem para futuras tempestades e terremotos.

Citação: Zhao, B., Zhang, L., Liu, Z. et al. A high-precision catalogue of landslide events in China based on news text mining with large language model. Sci Data 13, 722 (2026). https://doi.org/10.1038/s41597-026-07066-w

Palavras-chave: catálogo de deslizamentos, riscos na China, mineração de texto de notícias, modelo de linguagem grande, dados de risco de desastres